Knooppunten
Knooppunt Nijmegen
Radboudumc bouwt aan de infrastructuur voor een zelflerend gezondheidszorgsysteem, waarin behandelingen en preventie in toenemende name toegesneden wordt op het individu.
De ontwikkeling en implementatie van innovatieve technologieën zoals artificiële intelligentie (AI) spelen hierin een belangrijk rol. Om AI efficiënt te kunnen inzetten voor een data-gedreven aanpak in de gezondheidszorg is het noodzakelijk dat data niet alleen interpreteerbaar is voor mensen maar ook voor computers en dat data uit verschillende bronnen kan worden geïntegreerd. Implementeren van de FAIR principes heeft daarom prioriteit. Radboudumc is sterk in:
- de ontwikkeling en implementatie van infrastructuur voor de grootschalige training van deep learning modellen op beeld data uit de radiologie en pathologie voor het stellen van diagnoses
- de analyse van DNA sequencing data voor de diagnostiek van zeldzame ziekten
- de ontwikkeling van patiëntenregistraties gebaseerd op FAIR technologie die gebruikt kunnen worden voor federatieve analyses
- de definitie van data governance modellen waarin de patiënt zelf controle houdt over zijn of haar data
Ondersteuning aan onderzoekers gebeurt vanuit diverse Radboud Technology Centers (RTCs): het RTC data stewardship, RTC clinical studies, RTC HealthData, RTC Biostatistics, RTC Bioinformatics, RTC Deep Learning, en RTC Biobank. Al deze RTCs vormen samen Radboudumc's Digital Competence Center.
De stuurgroep ‘Health-RI inside’ coördineert de activiteiten van Health-RI in de regio Nijmegen.
Belang knooppunt in de regio
Radboudumc heeft nauwe samenwerkingen met andere zorgpartners (o.a. perifere ziekenhuizen, huisartsen, revalidatiecentra en GGZ). Er is een langdurige samenwerking met huisartsen in de omgeving voor de uitwisseling van gezondheidsdata. Samen met OnePlanet wordt gewerkt aan de OpenPlanet infrastructuur voor het op een veilige en privacy-respecterende manier samenbrengen en analyseren van data uit verschillende bronnen.
Uitgelichte projecten
- CMyLife: een applicatie die patiënten met leukemie in staat zelf meer regie over hun eigen ziekte en hun eigen data te nemen
- GrandChallenge: platform gebaseerd op Amazon Web Services voor grootschalig trainen en benchmarken van deep learning algoritmen op het gebied van medische beeldvorming
- PRISMA (Prisma Studie | Borstkankeronderzoek): De PRISMA-studie onderzoekt de risicofactoren voor borstkanker. Het onderzoeksproject heeft een longitudinale aanpak waardoor deze risicofactoren op langere termijnen kunnen worden vastgelegd. Er zijn veel soorten data beschikbaar voor verder onderzoek.
- FAIR Data Cube: set van FAIR tools en infrastructuur voor de (gefedereerde) analyse van multi-omics data, opgezet binnen het X-omics initiatief.
- Toestemming aan de poort: om brede toestemming te krijgen van patiënten voor gebruik van lichaamsmateriaal en data
- Ontwikkeling van FAIR registries voor de European Reference Networks voor zeldzame ziekten; FAIR-in-a box
